特徴
このインテグレーションは、すべての5つの Olostep API 機能へのアクセスを提供します:スクレイプ
複数のフォーマット(Markdown、HTML、JSON、テキスト)で任意の単一URLからコンテンツを抽出
バッチ
最大100,000のURLを並行して処理。バッチジョブは5〜8分で完了
回答
自然言語クエリと構造化出力を備えたAI駆動のウェブ検索
マップ
サイト構造分析のためにウェブサイトからすべてのURLを抽出
クロール
リンクをたどってウェブサイト全体を自動的に発見しスクレイピング
インストール
セットアップ
Olostep API キーを環境変数として設定します:利用可能なツール
scrape_website
単一のURLからコンテンツを抽出します。複数のフォーマットとJavaScriptレンダリングをサポート。string
必須
スクレイピングするウェブサイトのURL(http:// または https:// を含む必要があります)
string
デフォルト:"markdown"
出力フォーマット:
markdown、html、json、または textstring
地域固有のコンテンツのための国コード(例:“US”、“GB”、“CA”)
integer
JavaScriptレンダリングのための待機時間(ミリ秒単位、0-10000)
string
特殊な抽出のためのオプションのパーサーID(例:“@olostep/amazon-product”)
scrape_batch
複数のURLを並行して処理(最大100,000件まで一度に)。array
必須
スクレイプするURLのリスト
string
デフォルト:"markdown"
すべてのURLの出力フォーマット:
markdown、html、json、または textstring
地域固有のコンテンツのための国コード
integer
JavaScriptレンダリングのための待機時間
string
特殊な抽出のためのオプションのパーサーID
answer_question
ウェブを検索し、ソース付きのAI駆動の回答を取得。データの充実化やリサーチに最適。string
必須
検索する質問またはタスク
object
希望する出力フォーマットを記述するオプションのJSONスキーマ辞書/文字列
extract_urls
サイト構造分析のためにウェブサイトからすべてのURLを抽出。string
必須
URLを抽出するウェブサイトのURL
string
URLをフィルタリングするためのオプションの検索クエリ
integer
返されるURLの数を制限
array
含めるためのグロブパターン(例:[“/blog/**”])
array
除外するためのグロブパターン(例:[“/admin/**”])
crawl_website
リンクをたどってウェブサイト全体を自動的に発見しスクレイピング。string
必須
クロールの開始URL
integer
デフォルト:"100"
クロールする最大ページ数
array
含めるためのグロブパターン(例:[”/**”] で全て)
array
除外するためのグロブパターン(例:[“/admin/**”])
integer
start_url からのクロールの最大深度
boolean
デフォルト:"false"
外部URLを含める
LangChain エージェントインテグレーション
ウェブを検索しスクレイピングできるインテリジェントなエージェントを構築:LangGraph インテグレーション
LangGraphを使用して複雑なマルチステップワークフローを構築:高度なユースケース
データ充実化
スプレッドシートデータをウェブ情報で充実化:Eコマース製品スクレイピング
特殊なパーサーを使用して製品データをスクレイプ:SEO監査
SEOのためにウェブサイト全体を分析:ドキュメントスクレイピング
ドキュメントをクロールして抽出:専門的なパーサー
Olostepは人気のあるウェブサイト向けに事前構築されたパーサーを提供:@olostep/google-search- Google検索結果
parser パラメータで使用:
エラーハンドリング
ベストプラクティス
複数のURLに対してバッチ処理を使用
複数のURLに対してバッチ処理を使用
3〜5以上のURLをスクレイプする場合は、複数の
scrape_website 呼び出しの代わりに scrape_batch を使用してください。バッチ処理ははるかに高速でコスト効率が高いです。適切なタイムアウトを設定
適切なタイムアウトを設定
JavaScriptが多いサイトの場合、
wait_before_scraping パラメータを使用(通常2000〜5000ms)。これにより動的コンテンツが完全に読み込まれます。専門的なパーサーを使用
専門的なパーサーを使用
人気のあるウェブサイト(Amazon、LinkedIn、Google)では、事前構築されたパーサーを使用して自動的に構造化データを取得できます。
効率的にURLをフィルタリング
効率的にURLをフィルタリング
extract_urls または crawl_website を使用する際は、グロブパターンを使用して関連ページに焦点を当て、不要な処理を避けてください。レート制限を処理
レート制限を処理
レート制限エラーに対して指数バックオフを実装します。APIは内部でほとんどのレート制限を自動的に処理します。
サポート
- PyPI パッケージ: langchain-olostep
- ドキュメント: docs.olostep.com
- ソース: olostep-api/langchain-olostep
- 問題: GitHub Issues
- メール: info@olostep.com
関連リソース
スクレイプAPI
スクレイプエンドポイントについて学ぶ
バッチAPI
バッチエンドポイントについて学ぶ
回答API
回答エンドポイントについて学ぶ
マップAPI
マップエンドポイントについて学ぶ
クロールAPI
クロールエンドポイントについて学ぶ
Python SDK
Python SDK を探る
LangChain ウェブサイト
LangChain プラットフォーム